La fluidez en IA en RR. HH. es la capacidad de usar la inteligencia artificial con seguridad y sentido crítico en el trabajo diario de recursos humanos: elegir las herramientas adecuadas, obtener resultados fiables, revisar los resultados en busca de errores y sesgos, y aplicar la IA conforme a la normativa de protección de datos y laboral. No se trata de programar, sino de criterio. Es, en la práctica, el conjunto de habilidades de IA que hoy necesita RR. HH.
Se está convirtiendo rápidamente en una competencia clave. En el análisis de TalentUp de ofertas de empleo de RR. HH. en Europa, la proporción de puestos que piden habilidades de IA se ha multiplicado aproximadamente por cuatro desde 2024, y en la UE el Reglamento de IA ya obliga a las organizaciones a garantizar la alfabetización en IA del personal que usa IA. Esta guía explica qué significa la fluidez en IA, qué habilidades importan, cómo está cambiando la IA cada función de RR. HH., qué exige la ley y cómo desarrollar la fluidez en tu equipo en 90 días.
Puntos clave
- La fluidez en IA significa usar bien y de forma responsable la IA en el trabajo real de RR. HH., no programar.
- La alfabetización en IA es la base (entender la IA); la fluidez es la práctica (usar, rediseñar y gobernar).
- Según los datos de TalentUp, el 2,9 % de las ofertas de empleo de RR. HH. en Europa piden habilidades de IA en 2026, frente al 0,7 % en 2024.
- La prima salarial todavía es pequeña, de alrededor de un 3 % a un 7 %: la fluidez en IA se está convirtiendo en un filtro de selección más rápido que en una prima salarial.
- El Reglamento de IA de la UE exige alfabetización en IA al personal que usa IA y considera la IA en selección y en gestión de trabajadores como de alto riesgo.
¿Qué es la fluidez en IA en RR. HH.?
La fluidez en IA combina cuatro capacidades:
- Comprensión: saber qué pueden hacer y qué no la IA generativa, el aprendizaje automático y la automatización, y dónde están sus límites.
- Aplicación: usar herramientas de IA en el trabajo diario y escribir instrucciones claras (prompts) que den resultados útiles.
- Criterio: revisar los resultados con sentido crítico, detectar errores, datos inventados y sesgos, y decidir cuándo no usar la IA.
- Gobernanza: aplicar la IA de forma ética y legal, proteger los datos de los empleados y mantener a las personas como responsables de las decisiones.
Alfabetización en IA frente a fluidez en IA
Los dos términos se usan a menudo como sinónimos, pero describen niveles distintos:
|
Alfabetización en IA |
Fluidez en IA |
| Qué es |
Entender los conceptos, usos y riesgos de la IA |
Usar la IA con regularidad y bien en el trabajo real |
| Comportamiento típico |
Sabe explicar qué es un gran modelo de lenguaje y nombrar herramientas habituales de RR. HH. |
Usa la IA cada semana, ha afinado sus prompts y ha rediseñado al menos un proceso con ella |
| Conciencia del riesgo |
Sabe que la IA puede tener sesgos |
Comprueba los sesgos en los resultados y sabe cuándo escalar |
| Papel en el equipo |
Participa en conversaciones sobre IA |
Forma a sus compañeros, evalúa proveedores y da forma a la gobernanza |
| Vínculo legal |
Exigida por el Reglamento de IA de la UE al personal que usa IA |
Lo que hace eficaz la supervisión humana de los sistemas de alto riesgo |
La alfabetización basta para muchos puestos; la fluidez es lo que ahora necesitan los líderes de RR. HH., los HR business partners y cualquiera que seleccione o supervise herramientas de IA.
Sue Shaw, socia fundadora de la consultora de RR. HH. londinense JourneyHR, señala la misma brecha entre aprender a usar las herramientas y aprender a pensar con ellas, a partir de un estudio de PwC sobre cómo se forma a los equipos de RR. HH.:
Sue ShawSocia fundadora, JourneyHR
El estudio de PwC pone cifras a la brecha. Dos tercios de las organizaciones ofrecen formación práctica en IA a sus equipos de RR. HH. Solo una cuarta parte está desarrollando el criterio estratégico, la gestión del riesgo o la toma de decisiones de liderazgo en el contexto de la IA. La gente está aprendiendo a usar las herramientas. Muchos menos están aprendiendo a pensar de otra manera con ellas, y no es lo mismo.
Con qué frecuencia piden habilidades de IA las empresas: datos de TalentUp
2,9 %
de las ofertas de empleo de RR. HH. en Europa piden habilidades de IA en 2026
4x
la proporción de 2024 (0,7 %), con un 1,4 % en 2025
+3 % a +7 %
de prima en el salario mediano de las ofertas que piden habilidades de IA
Fuente: base de datos de ofertas de empleo de TalentUp, ofertas de RR. HH. en Europa, enero–septiembre de cada año.
La demanda crece rápido desde una base baja. Hace dos años, casi ninguna oferta de RR. HH. mencionaba la IA como habilidad. Hoy lo hace aproximadamente una de cada 35, normalmente con fórmulas como «experiencia en el uso de herramientas de IA», «apertura a usar la IA en los procesos de RR. HH.» o «aprovechar la IA y la automatización para mejorar las operaciones de RR. HH.».
| País |
Ofertas de RR. HH. que piden habilidades de IA (2026) |
| España |
3,8 % |
| Reino Unido |
3,1 % |
| Alemania |
2,9 % |
| Países Bajos |
2,7 % |
| Suiza |
1,4 % |
| Italia |
1,1 % |
| Francia |
0,8 % |
La prima salarial todavía es pequeña. Las ofertas de RR. HH. que piden habilidades de IA anuncian un salario mediano solo un 3 % superior al del resto de ofertas de RR. HH. en 2025 y un 7 % superior en 2026. Para los profesionales de RR. HH., esto significa que la fluidez en IA se está convirtiendo en una condición para entrar en la terna de candidatos más rápido de lo que se convierte en un motivo para cobrar más. Para las empresas, significa que esta habilidad todavía se puede desarrollar internamente en lugar de comprarla con una prima.
Niveles de fluidez en IA: de la conciencia al liderazgo
Un modelo de madurez sencillo ayuda a los equipos de RR. HH. a ver dónde están y hacia dónde ir:
| Nivel |
Cómo se ve |
Puesto típico de RR. HH. |
| 1. Consciente |
Entiende los fundamentos de la IA y las normas de IA de la organización; uso ocasional |
Todo el personal de RR. HH. (mínimo según el Reglamento de IA) |
| 2. Usuario |
Usa herramientas autorizadas cada semana para redactar, resumir e investigar; revisa los resultados |
Especialistas de RR. HH., recruiters, nóminas |
| 3. Practicante |
Rediseña flujos de trabajo con IA, escribe prompts reutilizables, mide el tiempo ahorrado y la calidad |
HRBP, analistas de RR. HH., especialistas en C&B |
| 4. Líder |
Define la estrategia y la gobernanza de la IA en RR. HH., evalúa proveedores, garantiza la supervisión humana y el cumplimiento |
Directores de RR. HH., CHRO, responsables de tecnología de RR. HH. |
Por debajo del nivel 1 están quienes evitan la IA por completo, a menudo por desconfianza o por miedo a equivocarse. Necesitan más tranquilidad y práctica segura que más información.
La mayoría de los equipos de RR. HH. se sitúan hoy entre los niveles 1 y 2. El objetivo no es que todo el mundo sea líder, sino llevar cada puesto al nivel que exigen sus decisiones.
Qué significa la fluidez en IA para los líderes de RR. HH.
Para los directores de RR. HH. y los CHRO, la fluidez tiene menos que ver con el uso personal de herramientas y más con liderar la función a través del cambio. En la práctica, un líder de RR. HH. con fluidez en IA:
- usa la IA personalmente cada semana, para que su criterio se base en la experiencia y no en los titulares;
- ha liderado al menos un rediseño de un proceso de RR. HH. en torno a la IA y puede mostrar qué cambió;
- tiene una postura clara y defendible sobre las cuestiones controvertidas: informar a los candidatos, usar la IA en las evaluaciones del desempeño y monitorizar a los empleados;
- asume las decisiones sobre IA en el ecosistema tecnológico de RR. HH. y lidera la evaluación de proveedores;
- sabe responder a las preguntas que hará un consejo de administración o el comité de empresa: dónde se usa hoy la IA en RR. HH., qué usos son de alto riesgo, quién los supervisa y cómo se comprueban los sesgos.
Habilidades de IA clave para los profesionales de RR. HH.
- Alfabetización en datos: leer correctamente cuadros de mando, distribuciones, medianas y percentiles. En compensación, esto incluye interpretar benchmarks de mercado y comprobar que los puestos se comparan con el nivel y el mercado correctos; la metodología de benchmarking de TalentUp es un ejemplo práctico de las preguntas que debes hacer sobre cualquier fuente de datos.
- Prompting: dar a la IA contexto, un rol, restricciones y un formato de salida, e iterar sobre la respuesta.
- Evaluación de resultados: verificar hechos, cifras y fuentes, y reconocer información inventada u obsoleta.
- Control de sesgos y equidad: comprobar si los resultados o las herramientas tratan de forma distinta a distintos grupos, sobre todo en selección, promoción y retribución.
- Protección de datos: saber qué datos de los empleados nunca deben introducirse en una herramienta y cuándo se aplican las normas del RGPD sobre decisiones automatizadas.
- Evaluación de proveedores: preguntar cómo se entrenaron los modelos, cómo se explican las decisiones, cómo se comprueban los sesgos y cómo se almacenan los datos.
- Rediseño de procesos: detectar las tareas en las que la IA ahorra tiempo de verdad y rediseñar el flujo de trabajo en torno a ella, no limitarse a añadir una herramienta.
- Liderazgo del cambio: ayudar a los compañeros a adoptar la IA, abordar los miedos a perder el empleo y mantener la confianza de los empleados.
- Agilidad de aprendizaje: las herramientas cambian cada pocos meses; la capacidad de aprender, probar y desaprender rápido importa más que dominar un producto concreto.
Dieter Veldsman, Chief HR Scientist de la Academy to Innovate HR (AIHR), muestra lo lejos que están todavía la mayoría de los equipos de RR. HH. de estas habilidades, a partir de una investigación de AIHR con 334 equipos de RR. HH.:
Dieter VeldsmanChief HR Scientist, AIHR | Academy to Innovate HR
Nuestra investigación con 334 equipos de RR. HH. muestra por qué. […] solo el 35 % cree tener las habilidades para usar la IA de forma eficaz en su trabajo diario. Dicho de otro modo, a RR. HH. le interesa la IA, pero la mayoría de los equipos aún no está preparada para escalarla. […] ¿Saben las personas hacer algo más que escribir un prompt? ¿Saben evaluar el resultado, aplicar su criterio y replantear el propio trabajo?
El lado humano: mentalidad y sesgos cognitivos
La fluidez en IA es tanto un hábito de pensamiento como una habilidad técnica. Tres hábitos marcan la diferencia:
- Vigila el sesgo de automatización, la tendencia a fiarse de una respuesta segura y bien redactada solo porque la ha producido una máquina. Quien tiene fluidez trata cada resultado como un borrador.
- Cuestiona el sesgo de confirmación: pide a la IA que argumente en contra de tu postura, que enumere lo que podría estar mal o que muestre las pruebas de cada afirmación.
- Contrasta: ejecuta los prompts importantes en más de una herramienta, o reformúlalos, y compara las respuestas antes de fiarte de ellas.
También ayuda una mentalidad de crecimiento: los equipos a los que se permite experimentar y cometer pequeños errores en tareas de bajo riesgo aprenden más rápido que aquellos a los que se pide evitar errores a toda costa.
Cómo está cambiando la IA cada función de RR. HH.
| Función de RR. HH. |
Casos de uso típicos de la IA |
Perspectiva del Reglamento de IA |
Supervisión humana necesaria |
| Selección |
Redactar ofertas de empleo, filtrar y clasificar CV, programar entrevistas, resumir entrevistas |
Las herramientas de filtrado, clasificación y selección son de alto riesgo |
Alta: los recruiters siguen siendo responsables de las decisiones |
| Gestión del desempeño |
Resumir feedback, redactar evaluaciones, detectar tendencias |
Las herramientas que evalúan a los trabajadores o influyen en la promoción son de alto riesgo |
Alta |
| Gestión de la plantilla |
Asignación de tareas, planificación de turnos, monitorización de la productividad |
Las herramientas de asignación y monitorización son de alto riesgo |
Alta, además de informar a los representantes de los trabajadores |
| Compensación y equidad retributiva |
Comparar puestos con datos de mercado, detectar salarios atípicos, analizar la brecha salarial |
Puede ser de alto riesgo cuando informa decisiones sobre las condiciones laborales de una persona, como su salario |
Media a alta: las decisiones salariales deben poder explicarse |
| Formación y desarrollo |
Itinerarios de aprendizaje personalizados, creación de contenidos |
Normalmente no es de alto riesgo |
Baja a media |
| Atención al empleado |
Chatbots de RR. HH., preguntas sobre políticas, autoservicio |
Hay que informar a las personas de que interactúan con una IA |
Media: escalar los casos sensibles |
En compensación, la analítica apoyada en IA ayuda a detectar diferencias no explicadas entre puestos comparables, algo importante ahora que están entrando en vigor las leyes nacionales que transponen la Directiva de transparencia retributiva de la UE. Los equipos de RR. HH. necesitan entender estos análisis lo bastante bien como para explicar las decisiones salariales a los empleados; consulta qué necesita saber RR. HH. sobre la ley de transparencia salarial de la UE.
Prompts de IA prácticos para equipos de RR. HH.
Cinco prompts que funcionan bien como punto de partida. Adapta los detalles y nunca pegues datos personales o confidenciales de empleados en herramientas que tu organización no haya autorizado.
- Oferta de empleo: «Actúa como un recruiter con experiencia. Redacta una oferta de empleo para un puesto de [puesto] en [país] dirigida a [público]. Usa lenguaje inclusivo, incluye una banda salarial de [banda] y enumera cinco responsabilidades y cinco requisitos. Que no supere las 400 palabras.»
- Resumen de encuesta: «Resume estos comentarios anonimizados de una encuesta de compromiso en cinco temas. Para cada tema, indica el porcentaje de comentarios, dos citas representativas y una acción sugerida.»
- FAQ de una política: «Convierte esta política de trabajo híbrido en diez preguntas frecuentes para los empleados en lenguaje sencillo. Señala cualquier ambigüedad en lugar de suponer.»
- Guion de entrevista: «Crea un guion de entrevista estructurada para un puesto de [puesto] con ocho preguntas basadas en competencias y una escala de puntuación de 1 a 5 para cada una, a partir de esta descripción del puesto.»
- Explicación salarial: «Redacta para un mánager una explicación breve y neutral de cómo se fija el salario base en nuestra organización, usando estos criterios: [criterios]. No menciones ningún salario individual.»
La fluidez en IA y el Reglamento de IA de la UE
Para las empresas europeas, la fluidez en IA también es una cuestión legal. El Reglamento de IA de la UE (Reglamento (UE) 2024/1689) establece varias obligaciones que afectan directamente a RR. HH.:
- Alfabetización en IA (desde el 2 de febrero de 2025): los proveedores y los responsables del despliegue de sistemas de IA deben adoptar medidas para garantizar un nivel suficiente de alfabetización en IA entre el personal que los utiliza.
- Sistemas de alto riesgo en el empleo: la IA utilizada para la contratación y selección, las decisiones sobre promoción y despido, la asignación de tareas y la monitorización o evaluación de los trabajadores se clasifica como de alto riesgo.
- Obligaciones de los responsables del despliegue: las empresas que usan sistemas de alto riesgo deben seguir las instrucciones del proveedor, garantizar la supervisión humana por parte de personas con la competencia, la formación y la autoridad necesarias, monitorizar el sistema e informar a los representantes de los trabajadores y a los trabajadores afectados antes de usarlo en el lugar de trabajo.
- Transparencia: hay que informar a las personas cuando interactúan con un sistema de IA, como un chatbot.
El RGPD sigue aplicándose junto al Reglamento de IA, incluidas las normas sobre decisiones basadas únicamente en el tratamiento automatizado. Partes del calendario del Reglamento de IA han sido objeto de propuestas de modificación a escala de la UE, así que confirma los requisitos vigentes con tu asesoría jurídica. Nuestra visión general sobre la IA en RR. HH. trata los principales riesgos con más detalle.
Cómo desarrollar la fluidez en IA en tu equipo de RR. HH.: un plan de 90 días
Días 1–30: normas y fundamentos
- Publica normas claras: herramientas autorizadas, datos que nunca deben introducirse y quién es responsable de las decisiones apoyadas en IA.
- Organiza una breve sesión de alfabetización en IA para todo el equipo de RR. HH.: qué puede hacer la IA, sus riesgos y los fundamentos del Reglamento de IA.
- Haz un mapa del uso actual de la IA, incluidas las herramientas ya integradas en tu HRIS, tu ATS o tus sistemas de nómina.
Días 31–60: pilotos
- Elige tres casos de uso de bajo riesgo, como ofertas de empleo, resúmenes de encuestas y preguntas frecuentes sobre políticas, y ponlos en marcha con algunos voluntarios.
- Crea una biblioteca compartida de prompts y de ejemplos de resultados buenos y malos.
- Mide el tiempo ahorrado y la calidad, y recopila lo que salió mal.
Días 61–90: escalar y gobernar
- Amplía los casos de uso que funcionaron y abandona los que no.
- Para cualquier uso de alto riesgo, documenta la supervisión humana, informa a los representantes de los trabajadores y revisa la documentación del proveedor.
- Incorpora la fluidez en IA a los perfiles de puesto, los planes de desarrollo y los criterios de selección.
Cómo medir el progreso
Haz seguimiento de unos pocos indicadores sencillos, que además sirven como prueba de las medidas de alfabetización en IA según el Reglamento de IA:
- proporción del equipo de RR. HH. en cada nivel de fluidez, revisada cada trimestre;
- formación completada en las sesiones de alfabetización en IA;
- adopción de las herramientas y casos de uso autorizados, en comparación con el uso en la sombra de herramientas no autorizadas;
- tiempo ahorrado y calidad en los casos de uso piloto;
- incidencias: errores, dudas sobre sesgos o problemas de protección de datos detectados, y cómo se gestionaron.
Cómo seleccionar y evaluar la fluidez en IA
La fluidez en IA no equivale a estar preparado para el puesto. Alguien que escribe prompts excelentes puede seguir tomando malas decisiones con información incompleta, y las habilidades de IA suelen ser más fáciles de enseñar que el criterio. Tres principios ayudan:
- Define el nivel que necesita cada puesto en la descripción del puesto, usando los niveles anteriores, en lugar de una línea genérica de «habilidades de IA». Un especialista en nóminas puede necesitar el nivel 2; un responsable de tecnología de RR. HH., el nivel 4.
- Decide qué se puede aprender en el puesto. Si tu equipo puede formar a las personas hasta el nivel 2 en pocos meses, no descartes a candidatos sólidos que todavía no lo hayan alcanzado.
- Evalúa el criterio, no solo las herramientas, con preguntas conductuales y prácticas.
Preguntas que revelan una fluidez real:
- «Háblame de una tarea que ahora haces de otra forma gracias a la IA. ¿Qué cambiaste y cómo comprobaste los resultados?»
- «Describe una ocasión en que una herramienta de IA te dio una respuesta errónea o sesgada. ¿Cómo te diste cuenta y qué hiciste?»
- «¿Para qué no usarías nunca la IA en RR. HH., y por qué?»
- «¿Cómo le explicarías a un candidato o a un empleado que se ha usado IA en una decisión que le afecta?»
Quienes tienen fluidez dan ejemplos concretos y recientes y explican cómo verifican los resultados; quienes solo tienen alfabetización suelen hablar de la IA en términos generales. Como hoy solo alrededor del 3 % de las ofertas de empleo de RR. HH. piden habilidades de IA, las empresas que las definen y evalúan con claridad todavía pueden destacar ante los mejores candidatos.
De cara al futuro, nuevas formas de organizar el trabajo, como la plantilla líquida, se apoyarán en la IA para asignar habilidades a proyectos, lo que hace estas habilidades aún más valiosas. Para una visión tecnológica más amplia, consulta la transformación digital de RR. HH. en Europa.
Conclusión
La fluidez en IA está pasando de ser un elemento diferenciador a una expectativa básica en RR. HH. Las empresas la piden cada vez más, el Reglamento de IA de la UE convierte la alfabetización en IA en una obligación legal, y las funciones de RR. HH. que más usan la IA, como la selección y la gestión del desempeño, son precisamente aquellas en las que la ley exige una supervisión humana más estricta.
El objetivo no es automatizar RR. HH., sino que RR. HH. tenga mejor criterio: más rápido en el trabajo rutinario, más riguroso con los datos y más responsable de las decisiones sobre las personas. Los equipos que desarrollen ahora esa fluidez, con normas claras, pilotos prácticos y una supervisión real, serán los que definan cómo se usa la IA en sus organizaciones en lugar de reaccionar ante ella.
Fuentes